Process Mining – ein ergänzendes Instrument für die Werkzeugkiste der Revisionsfunktion

  • 21. September 2018
  • Silke Ritter
  • 0 Kommentare

Geht es Ihnen um das Entwickeln eines zuverlässigen Verständnisses für den dem Prüfungsobjekt zugrundeliegenden Geschäftsprozess? Erfordern die Prüfungsziele das umfassende Identifizieren von Abweichungen vom aufgesetzten Prozess und das Aufzeigen von Automatisierungspotenzialen und/oder Kontrollschwächen?

Traditionelle Revisionswerkzeuge wie die Einsichtnahme von Soll-Prozessdokumentation und weiteren verfügbaren Unterlagen, die Durchführung von Interviews sowie Walkthroughs mit Prozessverantwortlichen und -beteiligten und die Vornahme von regelbasierten Datenanalysen stoßen an Grenzen, die teils mit Process Mining adressiert werden können. Über die Vor- und Nachteile und Einsatzmöglichkeiten von Prozess Mining schreibt Justin Pawlowski, Head of Internal Audit bei der ALSO Holding AG. Er hat tiefgreifende Praxiserfahrung im Einsatz von Datenanalysen, Process Mining und RPA zur Beleuchtung von Geschäftsprozessen.

Process Mining im Überblick

Die Grundidee von Process Mining ist es, reale Prozesse (Ist-Prozesse, tatsächliche Prozesse) durch Extrahieren von Wissen aus Ereignisprotokollen heutiger Informationssysteme zu erkennen, zu überwachen und zu verbessern. Auf Basis des Ereignisprotokolls wird der tatsächliche Prozess rekonstruiert.

Unumgänglich für das Ereignisprotokoll (Event Log) sind dabei Vorgangs-ID (Case ID), Aktivität (Activity) und Zeitstempel (Time Stamp). Der Zeitstempel ist von entscheidender Bedeutung, bringt er doch die Aktivitäten in ihre chronologische Abfolge und visualisiert die Prozessabfolgen so, wie sie tatsächlich abgelaufen sind. Abweichende Prozessabfolgen werden sichtbar.

Drei grundlegende Arten von Process Mining lassen sich unterscheiden:

  1. Process Discovery (Prozesserkennung): Extraktion eines Prozessmodells auf Basis von aufgezeichnetem Prozessverhalten
  2. Conformance Checking (Prozesskonformität): Vergleich von aufgezeichnetem Prozessverhalten (tatsächlicher Prozess) mit Prozessmodell (Soll-Prozess) zur Identifizierung von Abweichungen vom Soll-Prozess
  3. Enhancement (Prozesserweiterung): Erweiterung/Verbesserung eines bestehenden Prozessmodells anhand von aufgezeichnetem Prozessverhalten

Vorteile von Process Mining für die Interne Revision

Zentrale Vorteile umfassen die Steigerung der Objektivität und der Effizienz. Die Objektivität steigt durch das Handeln auf Basis der digitalen Spuren im Informationssystem. Die Steigerung der Effizienz kommt vor allem dann zum Tragen, wenn das Ereignisprotokoll schnell aus dem zugrundeliegenden Informationssystem extrahiert werden kann. Denn dann wird der Einsatz von Process Mining zur Win-Win-Situation bei den Beteiligten der jeweiligen Revisionsprüfung – eine schnellere Ermittlung des tatsächlichen Prozesses auf Seiten der Revisionsfunktion und eine reduzierte Anzahl an Interviews mit dem Fachbereich hierzu. Interviews lassen sich folglich deutlich gezielter führen.

Ein weiterer nicht zu unterschätzender Vorteil ist die Prozessvisualisierung als solche. Sie erweist sich als sehr gute Gesprächsgrundlage, sofern der Visualisierung ein smartes Ereignisprotokoll zugrunde liegt. Gesprächsteilnehmer schätzen die Visualisierung zwecks Verständnisförderung.

Weitere Vorteile, die Process Mining mit regelbasierten Datenanalysen teilt, sind die Analyse von Grundgesamtheiten zur Steigerung des Sicherheitsniveaus und das Ableiten gezielter Maßnahmen zur effizienten Realisierung des ermittelten Verbesserungspotenzials.

Grenzen von Process Mining

Process Mining ist trotz der Vorteile keine eierlegende Wollmilchsau. Wesentliche Grenzen von Process Mining sind manuelle Aktivitäten und unüberbrückbare Medienbrüche. Nicht jede Aktivität hinterlässt eine digitale Spur. Nicht jede Aktivität wird mit einem Zeitstempel dokumentiert. Unüberbrückbare Medienbrüche kennzeichnen sich durch unstrukturierte Datensätze, die sich nicht zuverlässig miteinander verknüpfen lassen. Falsche Erwartungen – wie mit Process Mining möge jedes Problem gelöst werden können – stellen eine weitere Hürde dar. So ist beispielsweise Process Mining für das Aufdecken von noch nicht zurückgeführten Doppelzahlungen auf Basis mehrfachen Erfassens von Eingangsrechnungen nicht das richtige Instrumente. Hier helfen vielmehr regelbasierte Datenanalysen, die anhand von Mustern die nicht miteinander verknüpften Belege als tatsächliche Doppelzahlung aufdecken.

Es liegt an der Revisionsfunktion, wie sehr sie sich von diesen Grenzen in ihrem Handeln einschränken lässt oder aber dieser proaktiv adressiert. Hierzu gibt es verschiedene Möglichkeiten. Ein Beispiel hierfür ist das Leisten eines Beitrags zur Verbesserung der Datenqualität im eigenen Unternehmen durch regelmäßiges Aufzeigen von Schwächen in der Datenqualität, um mittelfristig Process Mining – überhaupt oder umfangreicher – einsetzen zu können.

Als Zwischenfazit lässt sich festhalten, dass Process Mining als Instrument der hypothesenfreien Prozessanalyse als ergänzendes, nicht alleiniges datengestütztes Instrument für die Revisions-Werkzeugkiste zu sehen ist.

Einsatzmöglichkeiten von Process Mining sind vielfältig

Einsatzmöglichkeiten sind vielfältig, nicht beschränkt auf einen Prozess, eine Industrie, ein Informationssystem oder eine Fragestellung. Überall, wo digitale Spuren strukturiert aufbereitet werden können und unter Berücksichtigung gesetzlicher Vorschriften aufbereitet dürfen. Die Einsatzgebiete in den letzten Jahren haben die Vielfältigkeit unterstrichen und diese beschränken sich eben nicht nur auf die oft genannten Beispiele bezogen auf den Transaktionsfluss vom Beschaffungs- und Vertriebsprozess (bzw. Purchase-to-Pay und Order-to-Cash).

Teils lohnt es sich auch sich vom Transaktionsfluss zu lösen und alleinigen Fokus auf Stammdaten zu legen (als Beitrag zu vorzufindende Qualitätsoffensiven im Stammdatenumfeld), jeweils abhängig vom jeweiligen Prüfungsobjekt und den Prüfungszielen. Und dabei ist der Einsatz nicht auf Debitoren- und Kreditorenstammdaten beschränkt. So hat sich der Einsatz im Kontext von Materialstammdaten zur Reduzierung von Änderungen aufgrund fehlerhafter Ersteingabe, zur Vereinheitlichung von Verantwortlichkeiten und zur Steigerung des Automatisierungsgrads als erfolgsversprechend herausgestellt.

Der anfängliche Einsatz von Process Mining eignet sich vor allem dort, wo sich Prozessabläufe wiederholen und in hohen Geschäftsvorfallvolumina resultieren. Dabei lohnt sich der Einsatz vor allem bei Prozessen, für die das eigene Verständnis des Ist-Prozesses eingeschränkt ist und denjenigen, für die die prozessinhärenten Risiken noch nicht durch regelbasierte Datenanalysen abgedeckt sind. Neue spezifische Fragen bezogen auf den Prozess sind beim Einsatz von Process Mining die natürliche Folge.

Häufige Fehler beim Einsatz von Process Mining

Sechs typische Fehler bei der Einführung und beim Einsatz vom Process Mining umfassen:

  • Erwerb einer Process Mining-Applikation ohne Konzept zum Einsatz: Für das Konzept empfehlen sich verschiedene Eckpfeiler, u.a. Zielsetzung für den Einsatz (Analyse vs. kontinuierliche Überwachung), Definition von Verantwortlichkeiten sowie Aufbau von Kompetenz, Wartung bzw. Einbindung in die bestehende Infrastruktur, etc.
  • Verlass auf Plug&Play-Lösungen: Hier ist Vorsicht geboten. Unternehmensspezifische Besonderheiten in Aktivitäten und Attributen sind nicht zu unterschätzen.
  • Abteilungsspezifische Ermittlung von Business Cases für die Einführung von Process Mining: Eine Zusammenarbeit mit Fachabteilungen und Support-Funktionen hat sich in der Vergangenheit als zielführend herausgestellt.
  • Betrachtung von Process Mining als Substitut für regelbasierte Datenanalysen: Obige Ausführungen haben gezeigt, dass Process Mining bestehende Applikationen für regelbasierte Datenanalysen ergänzt und nicht vollständig ersetzt.
  • Übermäßige Euphorie für Conformance-Feature von Process Mining-Applikationen: Das Soll-Prozessmodell liegt meist nicht in der benötigten Granularität vor (auf der Ebene der Aktivitäten und Abgrenzung von Prozessvarianten), so dass eine überhöhte Anzahl an False Positives die Konsequenz ist.
  • Trugschluss, dass es mit dem Schritt der Visualisierung getan ist: Dann fängt es erst richtig an. Mit der Visualisierung an sich ist noch nichts gewonnen. Welche False Positives lassen sich ausschließen? Sind die Beobachtungen wirklich nachteilig für das oder nicht vorgesehen im Unternehmen? Was sind die Ursachen für die Beobachtungen? Welche Maßnahmen können konkret getroffen werden?

Es gibt mehrere weitere typische Fehler, die ebenfalls proaktiv adressiert werden können. Diese Punkte gilt es systematisch und strukturiert in der anfänglichen Roadmap zu berücksichtigen. Dies wirkt sich positiv auf die Erfolgsaussichten aus.

Ein smartes Ereignisprotokoll als Basis für eine erfolgreiche Prozessanalyse

Ein Punkt, der in obiger Liste bewusst ausgelassen wurde – da so signifikant –, ist das Unterschätzen des Aufwands zur Erstellung eines smarten Ereignisprotokolls. Die Qualität von Ereignisprotokollen kann signifikant voneinander abweichen.

Verschiedene Qualitätsmerkmale existieren. Beispielhaft seien die Anzahl an Aktivitäten, die Anzahl der Attribute und die Trennschärfe der Aktivitäten genannt. Ohne Attribute, und hier auch ganz wichtig unternehmensspezifische Attribute, sind die Erfolgsaussichten stark reduziert. Diese sind beim Filtern und Analysieren unumgänglich. Und Aktivitäten wie «Bestellung ändern» sind oft zu generisch. Oft verlangt das Prüfungsziel, dass nur bestimmte Änderungsarten betrachtet werden und diese differenziert werden. Änderung ist nicht gleich Änderung.

Teils ändern sich die Anforderungen an die Qualitätsmerkmale. Das Qualitätsmerkmal «Unterscheidung zwischen Mensch vs. Maschine» nehmend, reicht die Unterscheidung zwischen dem Typ des Nutzers heute nicht mehr aus. Heute sind die Anforderungen höher. Massen-Uploads und mittels RPA-Applikation (Robotic Process Automation) erfasste Vorgänge sind von tatsächlichen manuellen menschlichen Aktivitäten unbedingt zu unterscheiden, um treffende Aussagen abzuleiten und richtige Maßnahmenempfehlungen auszusprechen.

Großes Potenzial, aber kein Selbstläufer

Ist der Einsatz von Process Mining ein Selbstläufer? Sicherlich nicht. Vor allem das Aufsetzen eines intelligenten Ereignisprotokolls und die Analyse der Ist-Prozessvisualisierung verlangt vieles ab. Und das macht den Einsatz gleichzeitig so unheimlich interessant und attraktiv: Jeder kann persönlich den Unterschied machen.

Viel Erfolg dabei!

(Der Beitrag gibt ausschließlich die Meinung des Autors wieder.)

Process Mining in der Internen Revision

Lernen Sie im Seminar „Process Mining in der Internen Revision“ die umfassenden Einsatzmöglichkeiten, Vorteile und Grenzen von Process Mining in der Internen Revision kennen.

Über den Autor:

Justin Pawlowski ist Head of Internal Audit bei der ALSO Holding AG. Zuvor war er Senior Manager im Bereich Governance & Assurance Services bei KPMG AG Wirtschaftsprüfungsgesellschaft in Frankfurt am Main und beriet nationale und internationale Unternehmen unterschiedlicher Größenordnung beim Aufbau von Datenanalyse-, Process Mining- und RPA-Kompetenz und beim Einsatz dieser. Er greift auf tiefgreifende Praxiserfahrung im Einsatz von Datenanalysen, Process Mining und RPA zur Beleuchtung von Geschäftsprozessen bezogen auf Ordnungsmäßigkeit, Sicherheit, Wirtschaftlichkeit und Compliance zurück. Er ist Mitglied im IT Guidance Committee des Institute of Internal Auditors (IIA) und referierte zum Einsatz von Process Mining in der Internen Revision auf der Jahrestagung 2017 des IIA in Sydney, Australien. 2015 wurde Justin Pawlowski vom Internal Auditor Magazine als Emerging Leader ausgezeichnet. Vor seinem Eintritt bei KPMG war Justin Pawlowski drei Jahre bei IBM in Deutschland, Spanien und USA tätig.

Silke Ritter

Ich arbeite als Managerin Online Kommunikation für die HAUB + PARTNER GmbH. Nach meinem Germanistik-Studium habe ich in der PR-Branche gearbeitet und bin inzwischen seit vielen Jahren auf Blogs, Youtube und im Social Web unterwegs.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Weitere Beiträge

Feedback-Fragebogen Interne Revision

Feedback-Fragebogen für die Interne Revision? Braucht es das?

Kontrollieren Sie mit Hilfe von Feedback-Fragebögen die Qualität Ihrer Revisionsarbeit. Wie ein solcher Fragebogen aufgebaut sein sollte, welche Fragen er enthalten und wann er verteilt werden sollte – darüber schreibt Dr. Andreas Kamm, der lange Jahre als Leiter Konzernrevision bei der Zeppelin GmbH gearbeitet hat.

Ein-Mann-Revision

So meistern Sie die Ein-Mann-Revision

Nicht nur für große Konzerne ist eine interne Revision Pflicht, auch kleine und mittelständische Unternehmen müssen ein Frühwarnsystem sicherstellen. Welche besonderen Herausforderungen dabei eine Ein-Mann-Revision hat, darüber haben wir mit Athanasios Dakas gesprochen.